作者:杨琦; 万华径向基函数偏微分方程辅助神经元
摘要:基于径向基神经网络(RBFN)的偏微分方程(PDE)求解算法中,仅通过搜索最佳权值逼近方程解,精度有限。实际上在建立的RBFN中可能存在对求解PDE贡献很小的但是增加算法复杂度的神经元.或者缺少对方程解贡献很大的辅助神经元。基于这个事实我们提出一种新的算法:在搜索最佳权值同时调整RBFN结构,删除对方程解贡献小的神经元,增加对方程解贡献大的辅助神经元;采用最小均方误差梯度下降法得到最优权值;最后得到PDE的逼近解。仿真实验表明新算法较传统的RBFN算法.精度更高,误差收敛速度更快;可广泛应用于工程实践。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社